Nvidia Rubin com vLLM rende 3,2x mais lucro por gigawatt

Modelagem preliminar da SemiAnalysis aponta salto em inferência agêntica e formato FP4, mas números ainda dependem de silício final em produção.

Dados preliminares divulgados pela consultoria SemiAnalysis apontam que o rack Nvidia Rubin operando com o motor aberto vLLM pode entregar até 10 vezes melhor desempenho por dólar e 3,2 vezes mais lucro por gigawatt em relação ao Blackwell GB300 NVL72. As estimativas, publicadas em 9 de outubro de 2026, fazem parte de uma submissão prévia do framework InferenceX.

Eficiência econômica guiada por restrição de energia

A métrica de lucro por gigawatt reflete uma mudança prática no mercado de computação para inteligência artificial. Com gargalos na conexão de novos data centers à rede elétrica e capacidade limitada em subestações, a receita gerada por cada watt consumido passou a ditar compras com mais peso do que o preço nominal de cada servidor. Na modelagem da consultoria, a densidade computacional dos 72 chips Rubin interconectados por NVLink 6 compensa o investimento inicial substancialmente mais alto do equipamento.

Essa conta aparece com clareza na análise de custo total de propriedade (TCO). A consultoria calcula que a hora de uso por GPU no sistema Rubin atinge US$ 3,57 para provedores neocloud. Para efeito de comparação, a hora custa US$ 2,36 no GB300 e US$ 1,84 no GB200. Mesmo com o custo operacional por hora mais elevado, o ganho de rendimento com processamento nativo em ponto flutuante de quatro bits (FP4) permite processar muito mais tokens por ciclo. Em cargas contínuas de raciocínio, essa velocidade compensa a despesa horária.

Otimização direta no vLLM com a comunidade aberta

O ganho de eficiência no teste dependeu de software refinado antes do lançamento. Segundo a SemiAnalysis, engenheiros da Nvidia trabalharam em parceria direta com mantenedores do projeto vLLM, com a startup Inferact e com antigos engenheiros da CentML incorporados à fabricante de chips. O grupo levou kernels especializados e suporte à arquitetura SM_107 diretamente para a árvore principal do motor de inferência.

Para o teste, a consultoria usou o modelo MiniMax M3. Trata-se de uma rede de mistura de especialistas (MoE) com 428 bilhões de parâmetros totais, pensada para raciocínio complexo e rotinas de agentes autônomos. A SemiAnalysis informou que prepara uma bateria de testes auditada e pública para vLLM e SGLang em racks Rubin, com lançamento previsto para os próximos meses.

Projeções do Nvidia Rubin e os limites dos dados prévios

Aplicando a calculadora de inferência agêntica da própria consultoria, a projeção indica que um cluster hipotético de 1 gigawatt com racks Rubin NVL72 poderia gerar US$ 39 bilhões em lucro operacional anualizado executando o MiniMax M3. Essa estimativa assume ocupação contínua dos servidores e estabilidade nas tarifas cobradas por milhão de tokens gerados.

A própria SemiAnalysis faz ressalvas sobre esse cenário financeiro. Os dados divulgados até agora resultam de testes preliminares de engenharia de hardware e projeções matemáticas, e não de medições em escala de produção com servidores comerciais finais. O comportamento térmico em instalações reais de alta densidade e a concorrência na oferta de capacidade de nuvem ainda vão calibrar essas margens quando o hardware chegar efetivamente aos centros de dados.